| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题的研究背景 | 第9-12页 |
| ·身份鉴别与生物特征识别 | 第9-10页 |
| ·生物特征识别的种类 | 第10-11页 |
| ·人脸识别的研究意义 | 第11-12页 |
| ·本文的主要工作和创新点 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 第二章 人脸识别技术概述 | 第15-25页 |
| ·人脸识别系统概述 | 第15-16页 |
| ·人脸图像预处理 | 第16-17页 |
| ·人脸识别方法概述 | 第17-21页 |
| ·子空间人脸识别方法 | 第18页 |
| ·基于核的人脸识别方法 | 第18-19页 |
| ·基于局部特征的人脸识别方法 | 第19-21页 |
| ·三维人脸识别方法 | 第21页 |
| ·人脸图像数据库 | 第21-23页 |
| ·人脸识别技术的应用 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于双树复小波和独立成分分析的人脸识别 | 第25-55页 |
| ·基于图像变换的人脸特征提取 | 第25-27页 |
| ·基于离散余弦变换的人脸识别 | 第25-26页 |
| ·基于小波变换的人脸识别 | 第26页 |
| ·基于Gabor 变换的人脸识别 | 第26-27页 |
| ·基于其他图像变换的人脸识别 | 第27页 |
| ·Gabor 小波 | 第27-31页 |
| ·双树复小波变换 | 第31-39页 |
| ·小波变换 | 第31-35页 |
| ·双树复小波变换原理 | 第35-39页 |
| ·主成分分析 | 第39-40页 |
| ·独立成分分析 | 第40-47页 |
| ·独立成分分析数学模型 | 第41-42页 |
| ·独立成分分析求解方法 | 第42-44页 |
| ·FastICA 算法 | 第44-47页 |
| ·基于双树复小波和独立成分分析的人脸识别 | 第47-52页 |
| ·特征提取 | 第47-50页 |
| ·分类器 | 第50-51页 |
| ·算法流程 | 第51-52页 |
| ·实验结果 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第四章 结合双树复小波和Gabor 小波的人脸识别研究 | 第55-65页 |
| ·双树复小波变换的方向选择特性 | 第55-57页 |
| ·线性判别分析 | 第57-60页 |
| ·结合双树复小波特征和Gabor 小波特征的人脸识别 | 第60-62页 |
| ·特征提取 | 第60-61页 |
| ·算法流程 | 第61-62页 |
| ·实验结果 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 第五章 基于独立成分分析的贝叶斯人脸识别 | 第65-113页 |
| ·贝叶斯分类基本原理 | 第65-68页 |
| ·基于最小错误率的贝叶斯分类 | 第65-67页 |
| ·基于最小风险准则的贝叶斯分类 | 第67-68页 |
| ·贝叶斯人脸识别方法 | 第68-81页 |
| ·贝叶斯分类与人脸识别 | 第68-69页 |
| ·人脸图像差异 | 第69-71页 |
| ·概率密度函数 | 第71-75页 |
| ·极大似然分类准则 | 第75-78页 |
| ·极大后验概率分类准则 | 第78-81页 |
| ·基于独立成分分析的贝叶斯人脸识别 | 第81-93页 |
| ·贝叶斯人脸识别存在的问题 | 第81-83页 |
| ·独立成分分析与贝叶斯人脸识别 | 第83-86页 |
| ·人脸图像差异子空间建模方法 | 第86-93页 |
| ·基于广义高斯模型和独立成分分析的贝叶斯人脸识别 | 第93-110页 |
| ·广义高斯分布 | 第94-101页 |
| ·结合广义高斯模型的概率密度函数估计 | 第101-104页 |
| ·极大似然分类准则 | 第104-105页 |
| ·极大后验概率分类准则 | 第105-107页 |
| ·算法流程 | 第107-110页 |
| ·实验结果 | 第110-111页 |
| ·本章小结 | 第111-113页 |
| 第六章 总结和展望 | 第113-115页 |
| ·论文工作总结 | 第113-114页 |
| ·今后工作展望 | 第114-115页 |
| 参考文献 | 第115-127页 |
| 发表论文和参加科研情况说明 | 第127-128页 |
| 致谢 | 第128页 |